數理統計/線性模型與方差分析

數理統計/線性模型與方差分析

學習目標

目標項	內容
線性模型框架	$Y=X\beta +\varepsilon$，最小二乘
推斷	t檢驗、F檢驗與區間
方差分析	單因素/雙因素 ANOVA

能力要點	說明
設計矩陣	構造虛擬變量與對比
方差分解	SST=SSR+SSE
模型診斷	基本殘差檢查

最小二乘與正態線性模型

OLS 解 ${\hat {\beta }}=(X^{\top }X)^{-1}X^{\top }Y$（列滿秩）；若 $\varepsilon \sim {\mathcal {N}}(0,\sigma ^{2}I)$，則推斷基於 t/F。

量	公式	含義
殘差	$e=Y-X{\hat {\beta }}$	觀測-擬合
方差估計	${\hat {\sigma }}^{2}=\mathrm {SSE} /(n-p)$	$p$ 為參數數
置信區間	${\hat {\beta }}_{j}\pm t_{n-p,1-\alpha /2}\,\mathrm {SE} ({\hat {\beta }}_{j})$	分量區間

ANOVA

單因素模型 $Y_{ij}=\mu +\alpha _{i}+\varepsilon _{ij}$；F統計量基於組間均方與組內均方。

項	SS	df	MS	F
組間	SSR	$k-1$	MSB	${\text{MSB}}/{\text{MSW}}$
組內	SSE	$n-k$	MSW	—
總體	SST	$n-1$	—	—

線性對比與多重比較

對比 $c^{\top }\beta$ 的檢驗；多重比較用Bonferroni、Tukey等控制家族錯誤率。

主題	工具	備註
線性對比	t/F 檢驗	設計驅動
多重比較	Bonferroni、Tukey	校正閾值

章節測驗

單選題

在線性模型 $Y=X\beta +\varepsilon$ 中，參數估計 ${\hat {\beta }}$ 的標準誤依賴於：

1. 僅樣本量
2. 僅設計矩陣
3. 設計矩陣與 ${\hat {\sigma }}^{2}$
4. 與二者均無關

顯示答案/解析

答案：3。

判斷題

單因素ANOVA的F統計量等於組間均方除以組內均方。

1. 對
2. 錯

顯示答案/解析

答案：對。

跨章導航

跳轉	頁面
上一節	非參數方法
下一節	回歸診斷與模型選擇
返回目錄	目錄